yeontaek_WizardCoder-Python-13B-LoRa-GGUF
Veröffentlicht von tensorblock im Jahr 2025, ist yeontaek_WizardCoder-Python-13B-LoRa-GGUF ein 13 Milliarden Parameter umfassendes Chat-Modell. yeontaek_WizardCoder-Python-13B-LoRa-GGUF is an open-weights chat model with roughly 13 billion parameters.
by tensorblock · 13 Mrd. Parameter
Am besten geeignet für
- Chat und Routing mit geringer Latenz
- Anfrage-Routing und Triage
- Textklassifikation
Möglichkeiten, yeontaek_WizardCoder-Python-13B-LoRa-GGUF in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren tensorblock-API-Key ein. osFoundry erkennt yeontaek_WizardCoder-Python-13B-LoRa-GGUF automatisch — weisen Sie es im Pipeline-Tab einer Maestro-Rolle (Router, Direct, Orchestrator oder Fallback) zu, und es ist in jedem Chat verfügbar. Ihr Key, Ihr Provider-Konto — kein Token-Aufschlag.
Dedizierten Endpunkt bereitstellen
yeontaek_WizardCoder-Python-13B-LoRa-GGUF ist Open-Weights — betreiben Sie es lokal kostenlos oder stellen Sie in Ihrem Workspace einen dedizierten GPU-Endpunkt für reservierte Kapazität ohne Rate Limits bereit.
In einer Room App verwenden
Room Apps deklarieren KI-Funktionen in ihrem Manifest und rufen sie anschließend mit invokeAI auf:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Aus eigenen Anwendungen aufrufen
Sobald ein Modell in Ihrem Workspace eingerichtet ist, können Sie es als API hosten und aus Ihren eigenen Diensten, Skripten oder CI — außerhalb von osFoundry — erreichen.
Welche Hardware kann yeontaek_WizardCoder-Python-13B-LoRa-GGUF ausführen
yeontaek_WizardCoder-Python-13B-LoRa-GGUF läuft auf eine einzelne 16GB-Consumer-GPU (~8 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision passt auf eine einzelne H100 80GB bei FP16-Präzision (~32 GB).
yeontaek_WizardCoder-Python-13B-LoRa-GGUF im Vergleich zu ähnlichen Modellen
Lizenz
Nicht angegeben — Lizenzbedingungen nicht angegeben — prüfen Sie die Upstream-Model-Card vor kommerzieller Nutzung.
Konsultieren Sie die Upstream-Dokumentation.
Häufige Fragen zu yeontaek_WizardCoder-Python-13B-LoRa-GGUF
Ist yeontaek_WizardCoder-Python-13B-LoRa-GGUF kostenlos nutzbar?
yeontaek_WizardCoder-Python-13B-LoRa-GGUF kann auf Ihrer eigenen Hardware kostenlos lokal betrieben werden. Der gehostete Zugriff über osFoundry wird abgerechnet (Input Free (local), Output Free (local)). Sie können jederzeit zwischen lokal und gehostet wechseln.
Kann ich yeontaek_WizardCoder-Python-13B-LoRa-GGUF kommerziell nutzen?
Kommerzielle Nutzung ist unter bestimmten Bedingungen erlaubt. Lizenzbedingungen nicht angegeben — prüfen Sie die Upstream-Model-Card vor kommerzieller Nutzung. Konsultieren Sie die Upstream-Dokumentation.
Wie viel VRAM benötigt yeontaek_WizardCoder-Python-13B-LoRa-GGUF?
Etwa 8 GB bei Q4-Quantization oder 32 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich yeontaek_WizardCoder-Python-13B-LoRa-GGUF lokal betreiben?
Ja. yeontaek_WizardCoder-Python-13B-LoRa-GGUF ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist yeontaek_WizardCoder-Python-13B-LoRa-GGUF besonders gut?
yeontaek_WizardCoder-Python-13B-LoRa-GGUF eignet sich besonders für Chat und Routing mit geringer Latenz, Anfrage-Routing und Triage, Textklassifikation.
Wie verwende ich yeontaek_WizardCoder-Python-13B-LoRa-GGUF in osFoundry?
Fügen Sie Ihren tensorblock-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie yeontaek_WizardCoder-Python-13B-LoRa-GGUF im Pipeline-Tab einer Maestro-Rolle zu und nutzen Sie es anschließend im Chat, in Room Apps über invokeAI oder in Ihren eigenen Anwendungen.
Veröffentlicht von tensorblock am 8. Mai 2025. Quelle: https://huggingface.co/tensorblock/yeontaek_WizardCoder-Python-13B-LoRa-GGUF